一种AI飞轮运行方法

本申请属于预测模型训练技术领域，涉及一种AI飞轮运行方法，模型通过预测步骤生成初步预测结果，并通过增量学习对比预测值与实际值，计算误差并反馈给模型，通过特征更新步骤，模型能够自动评估和更新输入特征的相关性，确保输入数据与当前环境保持一致，通过生成对抗网络(GAN)生成新的数据样本，扩展训练数据集，提升模型的泛化能力，时序差异优化进一步通过针对不同时间段的权重调整，使模型能够适应时间变化带来的预测偏差，优化时序数据的处理效果，从整体上提升模型的长期适应性和预测准确性，有效地解决AI模型在动态环境中预测能力下降的问题，保证模型在不断变化的数据和环境下持续优化与适应，保持高效的预测性能。